使用方差阈值过滤（VarianceThreshold）进行特征选择删除方差低于某一阈值的特征详解及实战

Posted 2021-05-18 Data+Science+Insight

使用方差阈值过滤（VarianceThreshold）进行特征选择、删除方差低于某一阈值的特征、详解及实战

方差阈值（VarianceThreshold）法是一种过滤特征选择法。

 

我们有一组数值特性，希望删除那些具有低方差的特征(因为、他们可能包含很少信息)。选择一个方差高于给定阈值的特征子集:

方差阈值是手动选择的，所以我们必须用自己的判断来选择一个好的阈值、如果没有太大的把握还是把阈值设置的小一点为妙。

不同数据尺度、或者单位的数据可能对应的方差尺度也不一样，在设置阈值的时候要慎重。

 

sklearn.feature_selection.VarianceThreshold 方差阈值法，用于特征选择，过滤器法的一种，去掉那些方差没有达到阈值的特征。默认情况下，删除零方差的特征

Feature selector that removes all low-variance features.

This feature selection algorithm looks only at the features (X), not the desired outputs (y), and can thus be used for unsupervised learning.

 

注意，如果你事先进行了归一化处理，那么方差法就没有意义了。